熊猫 .plot.hist() 和 .groupby()

Posted 2023-03-11

【中文标题】熊猫 .plot.hist() 和 .groupby()

【英文标题】：pandas .plot.hist() with .groupby()

【发布时间】：2021-06-16 11:09:42

【问题描述】：

我知道有人问过this similar question；但是，如果可能的话，我正在寻求进一步的说明，以便更好地理解 .groupby 。 Data used

我想要这样的完全相同的结果，但使用 .groupby():

df.pivot(columns='survived').age.plot.hist()

所以我试试：

df.groupby('age')['survived'].count().plot.hist()

x 轴看起来不正确。有什么方法可以得到与 .pivot() 使用纯 .groupby() 方法相同的结果？谢谢。

【问题讨论】：

有点等价于(df['survived'].groupby(pd.cut(df.age, bins=10)) .value_counts() .unstack().plot.bar(width=0.4) )。

【参考方案1】：

我赞成这个问题，因为pivot 和groupby 之间存在非常细微的区别。我认为您正在寻找类似的东西：

df.groupby('age').size().plot.bar(width=1)
plt.show()

但是，我认为没有合理的方法可以通过分组获得相同的结果，因为hist() 需要原始形式的观察结果，而groupby 被设计为后跟一个可以转换数据的函数（如count、min、mean等）。

要查看这一点，请注意，通过按age 分组，然后使用count，您不再拥有原始年龄数组。例如，对 40 岁的人进行了 13 次观察。原始数据看起来像(40, 40, ... , 40, 40)，而分组计数看起来像：

age  count
 40     13

这不是直方图数据的样子。另一个关键区别是直方图中的 bin。如您所见，第一个图计算了年龄在 0 到 10 岁之间的人的所有观察结果。通过按年龄分组，您将在此箱内有 11 个箱：一个用于 0 岁的人，一个用于 1 岁的人，一个用于人2岁等

总而言之，groupby 需要一个函数来转换原始数据，但为了绘制直方图，您需要原始状态的数据。出于这个原因，pivot 是此类任务的首选解决方案，因为它还按survived 拆分数据，但不对数据应用任何函数。

【参考方案2】：

扩展 Quang 的评论，您可能希望对年龄进行分类，而不是对每个年龄进行分组（df.groupby('age') 就是这样做的）。

一种方法是cut age 垃圾箱：

df['age group'] = pd.cut(df.age, bins=range(0, 100, 10), right=False)

然后groupby 那些箱并制作survived.value_counts() 的条形图：

(df.groupby('age group').survived.value_counts()
   .unstack().plot.bar(width=1, stacked=True))

我注意到在您发布的链接中，所有直方图看起来都有些不同。我认为这是由于每种方法的分箱方式略有不同。切割自己的 bin 的一个优点是您可以清楚地看到确切的 bin 边界：